1.一种农产品仓储保鲜库内无人机巡检方法，用于一种农产品仓储保鲜库内无人机巡检系统，其特征在于，所述系统包括无人机检测系统和输出执行系统；所述无人机检测系统包括图像信息采集模块、模型训练模块、实时检测模块和数据处理模块，所述输出执行系统包括终端显示模块和无人机警报模块；

所述图像信息采集模块与实时检测模块连接，所述实时检测模块分别与模型训练模块和数据处理模块连接，所述数据处理模块与终端显示模块连接，所述终端显示模块与无人机警报模块连接；

所述图像信息采集模块用于获取农产品仓储保鲜库内指定检测位置处的图像信息，并将可见光图像信息输入至实时检测模块；所述模型训练模块对深度学习目标检测模型进行训练，得到部署在无人机上的轻量化目标检测模型；所述实时检测模块利用模型训练模块得到的目标检测模型对农产品仓储保鲜库内可见光图像信息进行检测，标注出货物异常摆放部分在图像中的位置并输出其种类信息和概率信息；所述数据处理模块根据实时检测模块输出信息对图像进行处理，然后发送至终端显示模块；所述终端显示模块对检测结果进行可视化展示，所述无人机警报模块用于对货物异常摆放状况发出警报；

所述方法包括如下步骤：

步骤1、按照无人机上设定好的路径规划指导无人机到达指定检测位置；

步骤2、通过图像信息采集模块获取农产品仓储保鲜库内指定检测位置处的图像信息，然后将图像信息输入至实时检测模块；

步骤3、针对农产品仓储保鲜库内可见光图像信息训练深度学习轻量化目标检测模型，并将模型部署在无人机上；

步骤4、实时检测模块通过目标检测模型对可见光图像信息进行实时目标检测，并将检测结果输出至数据处理模块；

步骤5、数据处理模块根据实时检测模块输出信息对图像进行处理，然后发送至终端显示模块；

所述步骤3具体包括如下步骤：

步骤3.1、获取多幅农产品仓储保鲜库内环境的可见光图像信息；

步骤3.2、针对农产品仓储保鲜库中不同的货物异常摆放类型，对可见光图像进行标注，包括如下步骤：步骤3.2.1、根据异常摆放的货物数量占总货物数量的比例，定义货物异常摆放的三种类型：轻微异常摆放、一般异常摆放和严重异常摆放，若比例≤0.25，则认为是轻微异常摆放，若0.25≤比例＜0.75，则认为是一般异常摆放，若比例≥0.75，则认为是严重异常摆放；

步骤3.2.2、对图像进行标注，标注出货物异常摆放位置信息和种类信息；

步骤3.2.3、通过数据增强操作扩大数据集数量；

步骤3.3、将已标注的可见光图像随机分组，分为训练组和验证组，并保证两组无重叠；

步骤3.4、将训练组数据依次输入深度学习目标检测网络模型，利用随机梯度下降法在服务器上进行训练，得到针对农产品仓储保鲜库内环境的深度学习目标检测模型，通过验证组对训练得到的模型进行评估，达到预期要求后即可得到农产品仓储保鲜库环境的深度学习目标检测模型；

步骤3.5、将训练好的目标检测模型部署在无人机上。

2.根据权利要求1所述的一种农产品仓储保鲜库内无人机巡检方法，其特征在于，所述无人机警报模块发出警报的形式包括文字、图像和声音中的一种或多种。

3.根据权利要求1所述的一种农产品仓储保鲜库内无人机巡检方法，其特征在于，所述步骤2中的图像信息采集模块包括相机。

4.根据权利要求1所述的一种农产品仓储保鲜库内无人机巡检方法，其特征在于，所述步骤3.4包括如下步骤：步骤3.4.1、选择YOLOv5深度学习目标检测网络为基本框架；

步骤3.4.2、选择Ghost卷积模块作为主干特征提取网络，并加入卷积块注意力机制；

步骤3.4.3、通过验证组对训练得到的模型进行评估，评估标准为：各类别平均检准率的平均值不低于95%，检测速度不慢于50fps。

5.根据权利要求1所述的一种农产品仓储保鲜库内无人机巡检方法，其特征在于，所述步骤4包括如下步骤：步骤4.1、将可见光图像输入至目标检测模型；

步骤4.2、模型对可见光图像进行检测，输出异常摆放的货物在图像中的位置信息、种类信息和概率信息；

步骤4.3、用矩形框将异常摆放货物在图像中位置进行标注。